论文阅读 | A Curriculum Domain Adaptation Approach to the Semantic Segmentation of Urban Scenes
paper链接：https://arxiv.org/pdf/1812.09953.pdfcode链接：https://github.com/YangZhang4065/AdaptationSeg摘要：在过去的5年里面，卷积神经网络在语义分割领域大获全胜，语义分割是许多其他应用的核心任务之一，这其中包括无人驾驶、增强现实...
2018年发表论文阅读：Convolutional Simplex Projection Network for Weakly Supervised Semantic Segmentation
记笔记目的：刻意地、有意地整理其思路，综合对比，以求借鉴。他山之石，可以攻玉。《ConvolutionalSimplexProjectionNetwork forWeaklySupervisedSemantic Segmentation》-20180724，一篇来自德国波恩大学与锡根大学的paper...
论文笔记（6）：Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
这篇文章的主要贡献点在于：1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型；2.可以利用boundingbox来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的groundtruth；3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...
论文笔记（4）：Fully Convolutional Networks for Semantic Segmentation
首先回顾CNN测试图片类别的过程，如下图：主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fullyconnected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后通过softmax输出概率最高的类别。上图中n...
论文学习：Fully Convolutional Networks for Semantic Segmentation
发表于2015年这篇《FullyConvolutionalNetworksforSemanticSegmentation》在图像语义分割领域举足轻重。通常CNN网络在卷积层之后会接上若干个全连接层,将卷积层产生的特征图(featuremap)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像...
语义后承（semantic consequence），句法后承（syntactic consequence），实质蕴含（material implication / material conditional）
作者：罗心澄链接：https://www.zhihu.com/question/21191299/answer/17469774来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。在数理逻辑系统中没有使用过，仅在数学证明中使用过。这个符号不是一个标准命题形式语言中的符号。而是一个日常语言中的符...
语义网 （Semantic Web）和 web 3.0
语义网=有意义的网络。“如果说HTML和WEB将整个在线文档变成了一本巨大的书，那么RDF,schema,和inferencelanguages将会使世界上所有的数据变成一个巨大的数据库。”---TimBerners-Lee,WeavingtheWeb,1999作者：顾轶灵链接：https://...
Rich feature hierarchies for accurate object detection and semantic segmentation(RCNN)
https://zhuanlan.zhihu.com/p/23006190?refer=xiaoleimlnotehttp://blog.csdn.net/bea_tree/article/details/51659263http://blog.csdn.net/liyaohhh/article/details/508...
Scyther-Semantics and verification of Security Protocol 翻译 (第二章 2.2.2----2.3)
2.2.2 事件顺序协议中的每个角色对应于事件列表，换句话说，在属于角色R的协议事件集上施加结构，总的排序表示为$prec$,如此任何角色R∈Role和$varepsilon1$,$varepsilon2$∈RoleEvent,这样Role($varepsilon1$)=R和role($v...
Scyther-Semantics and verification of Security Protocol
1、本书前一节主要是介作者自己的生平经历（读完感觉作者是个神童），目标明确作者13岁代码已经写的很溜了。自己也开了网络公司，但是后面又专注于自己的计算机基础理论，修了哲学的博士学位（不得不说很多专业的交叉真的可以创造新的起点），但是任何领域的开辟都是来自自己不辞辛苦的决心和坚韧不拔的毅力。 &nb...